TU Darmstadt / ULB / TUprints

Proactive Mechanisms for Video-on-Demand Content Delivery

Koch, Christian :
Proactive Mechanisms for Video-on-Demand Content Delivery.
Technische Universität, Darmstadt
[Ph.D. Thesis], (2018)

This is the latest version of this item.

[img]
Preview
Text
2018-10-26_Koch_Christian.pdf.pdf - Published Version
Available under CC-BY-ND 4.0 International - Creative Commons, Attribution No-derivatives.

Download (12MB) | Preview
Item Type: Ph.D. Thesis
Title: Proactive Mechanisms for Video-on-Demand Content Delivery
Language: English
Abstract:

Video delivery over the Internet is the dominant source of network load all over the world. Especially VoD streaming services such as YouTube, Netflix, and Amazon Video have propelled the proliferation of VoD in many peoples' everyday life. VoD allows watching video from a large quantity of content at any time and on a multitude of devices, including smart TVs, laptops, and smartphones. Studies show that many people under the age of 32 grew up with VoD services and have never subscribed to a traditional cable TV service. This shift in video consumption behavior is continuing with an ever-growing number of users. satisfy this large demand, VoD service providers usually rely on CDN, which make VoD streaming scalable by operating a geographically distributed network of several hundreds of thousands of servers. Thereby, they deliver content from locations close to the users, which keeps traffic local and enables a fast playback start. CDN experience heavy utilization during the day and are usually reactive to the user demand, which is not optimal as it leads to expensive over-provisioning, to cope with traffic peaks, and overreacting content eviction that decreases the CDN's performance. However, to sustain future VoD streaming projections with hundreds of millions of users, new approaches are required to increase the content delivery efficiency. To this end, this thesis identifies three key research areas that have the potential to address the future demand for VoD content. Our first contribution is the design of vFetch, a privacy-preserving prefetching mechanism for mobile devices. It focuses explicitly on OTT VoD providers such as YouTube. vFetch learns the user interest towards different content channels and uses these insights to prefetch content on a user terminal. To do so, it continually monitors the user behavior and the device's mobile connectivity pattern, to allow for resource-efficient download scheduling. Thereby, vFetch illustrates how personalized prefetching can reduce the mobile data volume and alleviate mobile networks by offloading peak-hour traffic. Our second contribution focuses on proactive in-network caching. To this end, we present the design of the ProCache mechanism that divides the available cache storage concerning separate content categories. Thus, the available storage is allocated to these divisions based on their contribution to the overall cache efficiency. We propose a general work-flow that emphasizes multiple categories of a mixed content workload in addition to a work-flow tailored for music video content, the dominant traffic source on YouTube. Thereby, ProCache shows how content-awareness can contribute to efficient in-network caching. Our third contribution targets the application of multicast for VoD scenarios. Many users request popular VoD content with only small differences in their playback start time which offers a potential for multicast. Therefore, we present the design of the VoDCast mechanism that leverages this potential to multicast parts of popular VoD content. Thereby, VoDCast illustrates how ISP can collaborate with CDN to coordinate on content that should be delivered by ISP-internal multicast.

Alternative Abstract:
Alternative AbstractLanguage
Die Übertragung von Videoinhalten über das Internet ist maßgeblich verantwortlich für die Last von Internetanbietern auf der ganzen Welt. Vor allem VoD Streaming-Dienste wie YouTube, Netflix und Amazon Video haben dazu beigetragen, dass VoD-Dienste zu einem festen Bestandteil der täglichen Routine vieler Menschen geworden sind. Mittels dieser Dienste kann jederzeit eine Vielzahl von Inhalten auf unterschiedlichen Geräten wie Smart-TVs, Laptops und Smartphones angesehen werden. Eine US-Studie zeigt, dass viele Personen, die jünger als 32 Jahre sind, bereits mit VoD-Diensten aufgewachsen sind und mit zunehmendem Anteil noch nie einen traditionellen TV-Bezahldienst abonniert haben. Diese Verschiebung des Video-Konsumverhaltens setzt sich fort und wird von einer wachsenden Anzahl von Benutzern begleitet. Um die daraus resultierende große Nachfrage nah VoD-Inhalten zu bedienen, verlassen sich VoD-Dienste typischerweise auf CDN-Netzwerke, welche VoD-Streaming skalierbar machen, indem sie ein geografisch verteiltes Netzwerk von mehreren hunderttausend Servern betreiben. Dadurch liefern CDN-Netzwerke Inhalte von Servern in der Nähe der Benutzer aus, was den Datenverkehr lokal hält und einen schnellen Start der Wiedergabe ermöglicht. CDN sind tagsüber stark ausgelastet und verhalten sich in der Regel reaktiv zu den Benutzeranfragen, was nicht optimal ist, da dies zu kostspieliger Überprovisionierung auf Seiten der CDN- und Internetanbieter-Netze führt, um die Verkehrsspitzen bedienen zu können. Damit jedoch zukünftige VoD-Streaming-Szenarien mit Millionen von Benutzern ermöglicht werden, sind neue Ansätze erforderlich, um die Effizienz der Inhaltsbereitstellung zu erhöhen. Zu diesem Zweck identifiziert diese Arbeit drei Forschungsschwerpunkte, welche die zukünftige Nachfrage nach VoD-Inhalten adressieren. Der erste Beitrag ist das Design von vFetch, einem Vorlade-Mechanismus für mobile Geräte, der die Privatsphäre der Nutzer wahrt. vFetch konzentriert sich speziell auf OTT VoD-Dienste wie YouTube. Dabei lernt der Mechanismus das Nutzerinteresse an verschiedenen Inhaltskanälen und nutzt diese Erkenntnisse, um Videoinhalte auf mobilen Endgeräten prädiktiv herunterzuladen. Dazu überwacht vFetch kontinuierlich das Benutzerverhalten und die zur Verfügung stehenden mobilen Verbindungskanäle des Geräts, um eine effiziente und ressourcenschonende Download-Planung zu ermöglichen. vFetch zeigt unter anderem, wie personalisiertes Vorladen von Videoinhalten das mobile Datenvolumen schonen und mobile Netze entlasten kann, während es gleichzeitig eine netzunabhängige und hochqualitative Videowiedergabe gewährleistet. Der zweite Beitrag konzentriert sich auf proaktives Zwischenspeichern von Videoinhalten in Netzwerken. Zu diesem Zweck wird das Design des ProCache-Mechanismus präsentiert, der den Speicherbereich von Caches basierend auf Inhaltskategorien in separate Speicherbereiche aufteilt. Der verfügbare Speicher wird diesen Bereichen basierend auf ihrem Beitrag zur Effizienz des Gesamtsystems zugeordnet. Wir schlagen die Unterstützung von mehreren Videokategorien sowie einen auf Musikvideoinhalte zugeschnittenen Arbeitsablauf vor, da Musikvideos die Hauptlast von YouTube darstellen. Damit zeigt ProCache, wie die Berücksichtigung von Inhaltskategorien zu einem effizienten Zwischenspeichern von Inhalten in Netzen beitragen kann. Der dritte Beitrag zielt auf die Anwendung von Multicast für VoD-Szenarien ab. Populäre VoD-Inhalte werden von vielen Nutzern mit nur geringen Unterschieden in ihrer Wiedergabe-Startzeit geschaut, was ein Potential für Multicast eröffnet. Der vorgeschlagene Mechanismus, VoDCast, nutzt dieses Potenzial, indem Teile beliebter Videos per Multicast übertragen werden. Dadurch zeigt VoDCast, wie Internet-Anbieter mit CDN-Netzwerken kooperieren können, um die VoDCast-basierte Videoübertragung zu koordinieren.German
Place of Publication: Darmstadt
Classification DDC: 000 Allgemeines, Informatik, Informationswissenschaft > 004 Informatik
Divisions: 18 Department of Electrical Engineering and Information Technology
18 Department of Electrical Engineering and Information Technology > Institute of Computer Engineering
18 Department of Electrical Engineering and Information Technology > Institute of Computer Engineering > Multimedia Communications
Profile Areas > Internet and Digitization
DFG-Collaborative Research Centres (incl. Transregio) > Collaborative Research Centres > CRC 1053: MAKI – Multi-Mechanisms Adaptation for the Future Internet
DFG-Collaborative Research Centres (incl. Transregio) > Collaborative Research Centres > CRC 1053: MAKI – Multi-Mechanisms Adaptation for the Future Internet > C: Communication Mechanisms > Subproject C3: Content-centred perspective
Date Deposited: 20 Nov 2018 12:41
Last Modified: 20 Nov 2018 12:41
URN: urn:nbn:de:tuda-tuprints-82127
Referees: Steinmetz, Prof. Dr. Ralf and Hausheer, Prof. Dr. David
Refereed: 17 October 2018
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/8212
Export:

Available Versions of this Item

Actions (login required)
View Item View Item